目录
丛书序
前言
第1章 绪论 1
1.1 SAR信息获取 2
1.2 深度学习技术 9
1.3 SAR智能解译与微波视觉 15
参考文献 21
第2章 SAR图像解译基础 27
2.1 SAR成像原理 27
2.1.1 雷达测距与脉冲压缩技术 27
2.1.2 合成孔径与方位向压缩 28
2.2 SAR极化信息 34
2.2.1 极化电磁波 34
2.2.2 完全极化波与相干散射 36
2.2.3 部分极化波与非相干散射 37
2.2.4 雷达极化测量 40
2.2.5 目标分解与地表分类 46
2.3 SAR图像统计模型 55
2.3.1 Rayleigh相干斑模型 55
2.3.2 乘积模型 56
2.3.3 SAR图像统计模型 57
2.4 SAR图像处理方法 59
2.4.1 SAR图像滤波 59
2.4.2 SAR图像目标检测与识别 65
2.4.3 SAR图像分割与分类 66
参考文献 68
第3章 深度学习基础 70
3.1 人工神经网络 70
3.1.1 神经元模型 70
3.1.2 神经网络模型 72
3.1.3 神经网络学习 77
3.1.4 神经网络的训练技巧 80
3.2 深度神经网络 85
3.2.1 深度卷积网络 85
3.2.2 深度循环网络 88
3.3 计算机视觉 91
3.3.1 图像分类 91
3.3.2 目标检测 94
3.3.3 图像分割 96
参考文献 99
第4章 SAR地面目标智能识别 102
4.1 全卷积网络(AConvNets) 102
4.2 网络的训练方式 107
4.3 车辆目标检测与识别 109
4.4 飞机目标检测与识别 120
4.5 小波散状网络 129
附录 实例代码——AConvNets目标分类 137
参考文献 140
第5章 SAR海面目标智能识别 143
5.1 SAR海面目标识别现状 143
5.2 全球海陆数据库辅助的精细海陆分割 145
5.3 复杂海陆环境中的船舶目标检测 157
5.4 SAR-AIS船舶目标数据库 168
5.5 SAR船舶目标鉴别与识别 175
参考文献 180
第6章 少样本SAR目标识别 183
6.1 SAR目标表征空间与少样本学习 183
6.2 电磁仿真数据辅助的少样本学习 194
6.3 自动对抗编码器与少样本学习 201
附录 实例代码——零样本目标识别 214
参考文献 217
第7章 极化SAR地表分类 219
7.1 基于实数卷积网络的地表分类 219
7.2 地表分类网络的普适性 229
7.3 复数卷积网络(CV-CNN) 234
7.4 基于复数卷积网络的地表分类 243
附录 实例代码——复数卷积网络(CV-CNN) 255
参考文献 260
第8章 多极化SAR图像重构 262
8.1 多极化SAR 262
8.2 稀疏重构全极化SAR图像 265
8.3 基于深度学习的极化SAR图像重构 278
附录 实例代码——SAR图像上色网络(colorization-nets) 293
参考文献 297
第9章 极化SAR因子分解 300
9.1 极化SAR因子分解理论 300
9.2 极化SAR因子分解算法 306
9.3 实验验证与结果分析 310
附录 实例代码——极化SAR因子分解 320
参考文献 322
第10章 极化干涉SAR植被参数反演 324
10.1 极化干涉SAR树高反演 324
10.2 极化干涉SAR系统参数 329
10.3 极化干涉SAR误差模型 331
10.4 CV-CNN树高反演 349
附录 实例代码——CV-CNN极化干涉SAR树高反演 358
参考文献 362
第11章 SAR相干斑仿真与滤波网络 364
11.1 相干斑仿真 364
11.2 相干斑滤波网络 375
11.3 仿真与实验 383
附录 实例代码——去相干斑网络(Despeckling-NN) 399
参考文献 406
第12章 虚拟场景重建与SAR图像仿真 409
12.1 场景重建 409
12.2 光学遥感影像地表分类 412
12.3 光学遥感影像对建筑物的重构 420
12.4 虚拟城市三维场景重建 423
12.5 SAR图像仿真 427
参考文献 430
第13章 SAR与光学图像互译 433
13.1 SAR和光学图像的互译 433
13.2 双向翻译网络 436
13.3 实验分析 442
附录 实例代码——级联残差对抗网络(CRAN) 456
参考文献 461
^ 收 起 
缺书网
扫码进群